业务系统高可用性建设

1. 为什么需要高可用建设

高可用是一种风险控制能力，使得系统具有更高的可用性。高可用的前提是：所有的事物都不是100%可靠的。在社会环境中，公司内部由员工、软件服务、硬件都组成，外部公司有客户、股东等，公司的目标是收益，创造并获取价值，需要良好的商誉。实际情况：

• 内因：人和物都不是100%可靠的。
• 外因：如果做不到高可用，公司和社会层面业务影响很大。
• 根因：从公司角度，要控制风险，保障公司价值，避免商机根本

2. 什么是高可用性

高可用性（High Availability）是指系统或服务能够持续提供高水平的可用性和可靠性，即在面对各种故障、错误和异常情况时，仍能保持持续运行和正常工作。可用性关注可访问性，可靠性关注功能正确性和时效性。

用计算公式：MTBF / ( MTBF + MTTR )，MTBF指平均无故障时间，MTTR指平均故障修复时间。

3. 如何建设高可用性

从可用性公式看到，可用性来源于增大平均无故障时间，以及减小故障修复时间。先介绍两个概念：

• 风险：未来发生危害的一种可能性，但实际未发生
• 故障：已发生或正在发生危害，是风险变成现实的结果。

风险概率P、故障范围R、故障时间T、故障影响面

最后风险期望公式有：

所以从公式可以得到控制风险的4大因素。

• 减少风险数量，比如重大活动封网
• 降低风险概率，比如代码CR，灰度切流
• 减小故障影响范围，比如以大拆小，每个个体之间相互隔离
• 缩短故障时间，比如快速止血

3.1 整体思路

按照故障的时间节点，分为事前、事中和事后，

• 事前：稳定性设计、异常监测、容量评估、预案演练等识别并控制风险；
• 事中：合理的决策和响应机制，快速发现、定位、止损和修复
• 事后：故障复盘，定期review，反馈闭环，持续优化

3.2 具体操作